意图识别方法、装置和设备制造方法及图纸

本申请提供一种意图识别方法、装置和设备。该方法包括：确定语音文本对应的词向量序列；根据表征语音文本中各个分词之间的位置关系的位置权重矩阵以及每一分词对应的分词向量，确定每一分词在语音文本中的语义特征信息和位置特征信息，即特征向量；根据表征语音文本中各个分词之间的连接关系的连接权重矩阵和各个分词对应的特征向量，确定语音文本的文本特征向量；根据文本特征向量，确定语音文本的意图分类。实现了对语义特征深层次整体位置关系的进一步确定，可以识别由于语音文本中各个分词位置变化引起意图变化，提高了意图识别的准确性。的准确性。的准确性。

【技术实现步骤摘要】
意图识别方法、装置和设备


[0001]本申请涉及智能车辆领域，尤其涉及一种意图识别方法、装置和设备。

技术介绍

[0002]车载语音系统的自然语言理解包含对语音文本的意图识别阶段，其识别效果决定了后续车辆反馈的准确率。因此提高车载语音系统的意图识别的准确性是非常重要的。
[0003]现有技术中，通常基于循环神经网络的意图识别算法提取语音文本的语义特征，来实现对语音文本的意图识别。
[0004]然而现有技术中，无法识别由于语音文本中各个分词位置变化引起意图变化，导致意图识别的准确性较低。

技术实现思路

[0005]本申请提供一种意图识别方法、装置和设备，用以解决意图识别的准确性较低的问题。
[0006]第一方面本申请提供一种意图识别方法，所述方法包括：
[0007]获取语音文本，并确定所述语音文本对应的词向量序列，其中，所述语音文本包括N个分词，所述词向量序列包括N个分词向量，每一分词对应一个分词向量，N为大于1的正整数；
[0008]根据位置权重矩阵和每一分词对应的分词向量，确定每一分词对应的特征向量，其中，所述特征向量包括对应分词在所述语音文本中的语义特征信息和位置特征信息，所述位置权重矩阵用于表征所述语音文本中各个分词之间的位置关系；
[0009]根据连接权重矩阵和各个分词对应的特征向量，确定所述语音文本的文本特征向量，其中，所述连接权重矩阵用于表征所述语音文本中各个分词之间的连接关系；
[0010]根据所述文本特征向量，确定所述语音文本的意图分类。
[0011]在可选的一种实施方式中，根据位置权重矩阵和每一分词对应的分词向量，确定每一分词对应的特征向量，包括：
[0012]提取每一分词向量的上下文语义特征，确定所述词向量序列中每一分词对应的语义特征向量；
[0013]根据所述位置权重矩阵和每一分词对应的语义特征向量，确定每一分词对应的特征向量。
[0014]在可选的一种实施方式中，提取每一分词向量的上下文语义特征，确定所述词向量序列中每一分词对应的语义特征向量，包括：
[0015]对各分词向量进行倒序拼接处理，确定所述语音文本的词向量倒序序列；
[0016]提取所述词向量序列中每一分词向量的正向语义特征，并提取所述词向量倒序序列中每一分词向量的反向语义特征；
[0017]根据所述每一分词向量的正向语义特征和反向语义特征，确定每一分词向量的语
义特征向量。
[0018]在可选的一种实施方式中，根据所述位置权重矩阵和每一分词对应的语义特征向量，确定每一分词对应的特征向量，包括：
[0019]根据所述位置权重矩阵，确定每一分词与所述语音文本中其他分词之间的位置关系；
[0020]根据每一分词与所述语音文本中其他分词之间的位置关系，对所述每一分词对应的语义特征向量进行位置编码计算，确定每一分词对应的特征向量。
[0021]在可选的一种实施方式中，根据连接权重矩阵和各个分词对应的特征向量，确定所述语音文本的文本特征向量，包括：
[0022]根据所述连接权重矩阵，确定所述语音文本中各个分词之间的连接权重；
[0023]根据所述语音文本中各个分词之间的连接权重，对所述语音文本中各个分词对应的特征向量进行求和计算，确定所述语音文本的文本特征向量。
[0024]在可选的一种实施方式中，在根据所述文本特征向量，确定所述语音文本的意图分类之前，所述方法还包括：
[0025]对所述文本特征向量进行归一化处理。
[0026]第二方面，本申请提供一种意图识别装置，所述装置包括：
[0027]第一处理单元，用于获取语音文本，并确定所述语音文本对应的词向量序列，其中，所述语音文本包括N个分词，所述词向量序列包括N个分词向量，每一分词对应一个分词向量，N为大于1的正整数；
[0028]第一确定单元，用于根据位置权重矩阵和每一分词对应的分词向量，确定每一分词对应的特征向量，其中，所述特征向量包括对应分词在所述语音文本中的语义特征信息和位置特征信息，所述位置权重矩阵用于表征所述语音文本中各个分词之间的位置关系；
[0029]第二确定单元，用于根据连接权重矩阵和各个分词对应的特征向量，确定所述语音文本的文本特征向量，其中，所述连接权重矩阵用于表征所述语音文本中各个分词之间的连接关系；
[0030]第二处理单元，用于根据所述文本特征向量，确定所述语音文本的意图分类。
[0031]第三方面，本申请提供一种电子设备，所述电子设备包括存储器和处理器；
[0032]所述存储器，用于存储计算机程序；
[0033]所述处理器，用于读取所述存储器存储的计算机程序，并根据所述存储器中的计算机程序执行如第一方面所述的意图识别方法。
[0034]第四方面，本申请提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如第一方面所述的意图识别方法。
[0035]第五方面，本申请提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的意图识别方法。
[0036]本申请提供的意图识别方法、装置和设备，通过以下步骤：确定语音文本对应的词向量序列；根据表征语音文本中各个分词之间的位置关系的位置权重矩阵以及每一分词对应的分词向量，确定每一分词在语音文本中的语义特征信息和位置特征信息，即特征向量；根据表征语音文本中各个分词之间的连接关系的连接权重矩阵和各个分词对应的特征向
量，确定语音文本的文本特征向量；根据文本特征向量，确定语音文本的意图分类。实现了对语义特征深层次整体位置关系的进一步确定，可以识别由于语音文本中各个分词位置变化引起意图变化，提高了意图识别的准确性。
附图说明
[0037]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0038]图1为本申请实施例提供的一种意图识别方法的流程图；
[0039]图2为本申请实施例提供的另一种意图识别方法的流程图；
[0040]图3为本申请实施例提供的一种意图识别装置装置的结构示意图；
[0041]图4为本申请实施例提供的一种电子设备的结构示意图；
[0042]图5为本申请实施例提供的一种电子设备的框图。
[0043]通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本申请构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
[0044]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种意图识别方法，其特征在于，所述方法包括：获取语音文本，并确定所述语音文本对应的词向量序列，其中，所述语音文本包5括N个分词，所述词向量序列包括N个分词向量，每一分词对应一个分词向量，N为大于1的正整数；根据位置权重矩阵和每一分词对应的分词向量，确定每一分词对应的特征向量，其中，所述特征向量包括对应分词在所述语音文本中的语义特征信息和位置特征信息，所述位置权重矩阵用于表征所述语音文本中各个分词之间的位置关系；0根据连接权重矩阵和各个分词对应的特征向量，确定所述语音文本的文本特征向量，其中，所述连接权重矩阵用于表征所述语音文本中各个分词之间的连接关系；根据所述文本特征向量，确定所述语音文本的意图分类。2.根据权利要求1所述的方法，其特征在于，根据位置权重矩阵和每一分词对应的分词向量，确定每一分词对应的特征向量，包括：5提取每一分词向量的上下文语义特征，确定所述词向量序列中每一分词对应的语义特征向量；根据所述位置权重矩阵和每一分词对应的语义特征向量，确定每一分词对应的特征向量。3.根据权利要求2所述的方法，其特征在于，提取每一分词向量的上下文语义特0征，确定所述词向量序列中每一分词对应的语义特征向量，包括：对各分词向量进行倒序拼接处理，确定所述语音文本的词向量倒序序列；提取所述词向量序列中每一分词向量的正向语义特征，并提取所述词向量倒序序列中每一分词向量的反向语义特征；根据所述每一分词向量的正向语义特征和反向语义特征，确定每一分词向量的语5义特征向量。4.根据权利要求2所述的方法，其特征在于，根据所述位置权重矩阵和每一分词对应的语义特征向量，确定每一分词对应的特征向量，包括：根据所述位置权重矩阵，确定每一分词与所述语音文本中其他分词之间的位置关系；0根据每一分词与所述语音文本中其他分词之间的位置关系，对所述每一分词对应的语义特征向量进行位置编码计算，确定每一分词对应的特征向量。5.根据权利要求1所述的方法，其特征在于，根据连接权重矩阵和各个分词对应的特征向量，确定所述...

【专利技术属性】
技术研发人员：李渊，
申请(专利权)人：浙江吉利控股集团有限公司，
类型：发明
国别省市：